【发布时间】：2020-01-01 21:43:48
【问题描述】：
我正在尝试在 TensorBoard 上可视化我的模型图。我正在使用 Keras 2.1.5 和 tensorflow-gpu 1.13.1。我的模型是卷积层的串联，最后是一个自定义层，我在其中使用张量进行一些操作。 一切正常，尽管我在自定义层的末尾和开头定义了一些打印，然后在我调用一次时检查 Python 是否两次输入了我的代码。
我正在运行一些培训并检查 TensorBoard 上的模型图，然后发现了一些我在网络上的任何其他示例中都没有看到的东西：
我的自定义层 (trans2img) 有一个连接图，另一个未连接图，输入为空占位符。我不明白原因。
这是我的代码的一个简单示例：
def custom_layer(inputs):
with tf.name_scope('trans2img'):
a = inputs[0]
def some_operation(a):
with tf.name_scope('op1'):
b = 2*a
return b
def some_other_op(b, c):
with tf.name_scope('op2'):
d = b/c
return d
b = some_operation(a)
d = some_other_op(b, inputs[1])
return d
之后，在我的网络定义文件中，我将此自定义层加载为from custom_layer import custom_layer，然后将其用作 Lambda 层：
net = Lambda(custom_layer)[branch1, branch2]
我不知道是因为我在 custom_layer 中定义内部操作的方式还是我调用它们的方式。我想知道如何解释我得到的第二个未连接图，以及它是否是 unnineficientcode 的指标。我将不胜感激任何线索和帮助。
【问题讨论】：
标签： python-3.x tensorflow tensorboard